論文の概要: SocialDriveGen: Generating Diverse Traffic Scenarios with Controllable Social Interactions

• arxiv url: http://arxiv.org/abs/2512.01363v1
• Date: Mon, 01 Dec 2025 07:18:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.740947
• Title: SocialDriveGen: Generating Diverse Traffic Scenarios with Controllable Social Interactions
• Title（参考訳）: SocialDriveGen: コントロール可能なソーシャルインタラクションによる異種トラフィックシナリオの生成
• Authors: Jiaguo Tian, Zhengbang Zhu, Shenyu Zhang, Li Xu, Bo Zheng, Xu Liu, Weiji Peng, Shizeng Yao, Weinan Zhang,
• Abstract要約: SocialDriveGenは、意味論的推論と社会的嗜好モデリングと生成的軌道合成を統合する階層的なフレームワークである。 エゴリズムと利他主義を相補的な社会的次元としてモデル化することにより、私たちの枠組みはドライバーの個性とインタラクションスタイルの制御可能な多様性を可能にします。 Argoverse 2データセットの実験は、SocialDriveGenが協調行動から敵対行動にまたがる多様な高忠実なトラフィックシナリオを生成することを示している。
• 参考スコア（独自算出の注目度）: 28.77173801411955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The generation of realistic and diverse traffic scenarios in simulation is essential for developing and evaluating autonomous driving systems. However, most simulation frameworks rely on rule-based or simplified models for scene generation, which lack the fidelity and diversity needed to represent real-world driving. While recent advances in generative modeling produce more realistic and context-aware traffic interactions, they often overlook how social preferences influence driving behavior. SocialDriveGen addresses this gap through a hierarchical framework that integrates semantic reasoning and social preference modeling with generative trajectory synthesis. By modeling egoism and altruism as complementary social dimensions, our framework enables controllable diversity in driver personalities and interaction styles. Experiments on the Argoverse 2 dataset show that SocialDriveGen generates diverse, high-fidelity traffic scenarios spanning cooperative to adversarial behaviors, significantly enhancing policy robustness and generalization to rare or high-risk situations.
• Abstract（参考訳）: シミュレーションにおける現実的で多様な交通シナリオの生成は、自律運転システムの開発と評価に不可欠である。 しかし、ほとんどのシミュレーションフレームワークはシーン生成のためのルールベースまたは単純化されたモデルに依存しており、現実の運転を表現するために必要な忠実さと多様性は欠如している。 生成的モデリングの最近の進歩は、より現実的でコンテキスト対応の交通相互作用を生み出すが、社会的な嗜好が運転行動にどのように影響するかをしばしば見落としている。 SocialDriveGenは、意味論的推論と社会的嗜好モデリングと生成的軌道合成を統合する階層的なフレームワークを通じて、このギャップに対処する。 エゴリズムと利他主義を相補的な社会的次元としてモデル化することにより、私たちの枠組みはドライバーの個性とインタラクションスタイルの制御可能な多様性を可能にします。 Argoverse 2データセットの実験では、SocialDriveGenは、協調行動から敵行動までにわたる多様な高忠実なトラフィックシナリオを生成し、ポリシーの堅牢性とレアあるいはハイリスクな状況への一般化を著しく強化している。

関連論文リスト

• HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving [59.55918581964678]
  HybridWorldSimは、静的バックグラウンドのためのマルチトラバースニューラルネットワーク再構成と、動的エージェントの生成モデルを統合するハイブリッドシミュレーションフレームワークである。 我々は、様々な都市をまたがる幅広いルートや環境条件をキャプチャーする、新しいマルチトラバースデータセットMIRRORをリリースする。
  論文  参考訳（メタデータ） (2025-11-27T07:53:16Z)
• LLM-based Human-like Traffic Simulation for Self-driving Tests [16.752944112972667]
  本稿では,認知理論と大規模言語モデル(LLM)を組み合わせ,現実的な交通シナリオを生成するHDSimを提案する。 実験により、HDSimをシミュレーションに組み込むことで、自動運転システムの安全性に重大な障害の検出が最大68%向上し、現実主義と矛盾する事故の解釈可能性が得られることが明らかになった。
  論文  参考訳（メタデータ） (2025-08-23T09:30:55Z)
• DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
  DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。 世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。 一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
  論文  参考訳（メタデータ） (2025-07-26T12:13:30Z)
• InfGen: Scenario Generation as Next Token Group Prediction [49.54222089551598]
  InfGenは、エージェント状態とトラジェクトリを自動回帰的に出力するシナリオ生成フレームワークである。 実験により、InfGenは現実的で多様性があり、適応的な交通行動を生み出すことが示された。
  論文  参考訳（メタデータ） (2025-06-29T16:18:32Z)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Editing Driver Character: Socially-Controllable Behavior Generation for Interactive Traffic Simulation [29.623575243494475]
  交通シミュレーションは、自動運転計画システムの評価と改善において重要な役割を果たす。 自動運転車がさまざまな対話的な交通シナリオで安全かつ効率的な操作を確実にするためには、自動運転車を反応性のあるエージェントに対して評価する必要がある。 本研究では,この目的のために社会的に制御可能な行動生成モデルを提案する。
  論文  参考訳（メタデータ） (2023-03-24T06:38:42Z)
• Social-DualCVAE: Multimodal Trajectory Forecasting Based on Social Interactions Pattern Aware and Dual Conditional Variational Auto-Encoder [14.05141917351931]
  マルチモーダル軌道予測のための条件付き変分自動エンコーダ(Social-DualCVAE)を提案する。 これは、過去の軌跡だけでなく、教師なしの相互作用パターンの分類にもとづく生成モデルに基づいている。 提案手法は,広く用いられているトラジェクトリ・ベンチマークで評価され,従来の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-02-08T16:04:47Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。